DPC是反映日本医疗机构实态基准点的工具
掌握日本医疗行业的整体情况，创造新知识的疾病诊断分组。
DPC是由患者出院信息、诊疗支付数据等构成的数据。主要记录患者的诊断名、ICD－10位编码ICD（ICD 10 disease coding国际疾病分类）、手术处置名、药物、住院天数、费用等信息。目前，日本全国约由1700家急性期医疗机构参加，每年收集的数据量超过800万件。根据这些庞大的数据量，可以了解各级医疗机构的诊疗现状以及日本医疗行业的大致情况。
DPC具体指哪些数据？
DPC本来是以急性期医疗机构的捆绑付费方式制度设计为目的制作的数据库。该数据库记录的数据包括患者住院和治疗期间的详细记录。患者住院过程中，医疗资源投入最多的环节是“病名”、提供的手术、处置、化学疗法等“诊疗行为”。病名是在参考大约2 500个诊断群分类的基础上进行编码。其次，住院类别、年龄、体重等患者的条件、手术、处置种类、并发症、重症程度等一般以数字形式记录。目前，日本国内的急性期医疗机构中，大约有1500家医院参加，每年收集的患者数据达800万件。自2003年导入DPC制度以来，已经过去了十年，现在该数据库积累的数据量非常庞大。
DPC怎样使用？
DPC数据将所有参与医疗机构的统计数据面向大众公布。根据该数据，就能了解医疗机构的医疗提供情况。所以，通过将各医疗机构的DPC数据与标准指标进行比对，就能了解各医疗机构的治疗效率、重症患者的比例等情况。另外，根据诊疗明细。就能对各医疗机构实施手术及处置的合理性，即是否遵守诊疗指南进行，并发症的发生率等情况进行监督检查。可以说，这些信息是对医疗机构提供的医疗质量进行评估的宝贵资料。
对数据进行追溯，就能了解治疗方法及结果、出院及再入院等各患者的病情变化。比如：可以逐步掌握癌症患者多次入院及出院、治疗等情况。但是，DPC数据仅仅是以医院为单位的记录，患者转院时，无法对该患者转院后的情况进一步跟踪。
按理说，随着“我的号码制度”（My Number法）等制度的导人，理想的情况应该是对患者转院后的情况进一步追踪。假设患者手术出院后，转入康复机构后又接受了哪些后续治疗？某癌症患者在专科医院结束治疗后，前往某私立医院就诊，在该医疗机构又接受了哪些治疗？掌握这一系列的相关数据，将在很大程度上提高医疗质量。
对医疗机构的DPC数据进行分析，就能了解各医疗机构的医疗现状差异吗？
以近年来关注度较高的癌症治疗为例，各种化疗方法和新药研发相继问世，但是，不同的癌症患者在哪些医疗机构就诊？这些患者曾经接受过哪种治疗方案？这些问题都可以从DPC数据中找到答案。现实情况下，有的患者接受的是新一代治疗，有的患者还在接受老一代治疗。从癌症治疗“均沾化”（“均沾化”日本医疗领域的专业术语之一。指癌症标准专业医疗，消除医疗技术差距）的视角出发，DPC数据完全可以作为一种消除医疗技术差距的工具在实践中应用。
DPC可以作为医疗管理标准化的工具使用吗？
实际上，当前日本的医疗偏差程度很大。多数医生主要根据个人经验和主观判断决定采取何种治疗方式。医院经营面也存在同样的问题。在药物滥用、过度治疗的同时，真正需要的治疗往往跟不上。
如果这些偏差真的存在，那么DPC就能对其进行管理，作为保证医疗质量的措施发挥应有的作用。换句话说，DPC完全可以作为一种医疗机构的管理工具在实践中应用。以患者住院天数为例，据统计，与世界标准相比，日本人的平均住院天数偏长。那么，实际情况是什么呢？通过DPC数据，我们就能了解哪个患者、在哪家医疗机构、住院天数等情况。
假设患有某种特定疾病的患者的住院天数超出平均值时，医院应采取措施促使其早日出院。导人DPC数据以前，完全没有这类数据。由于没有可供参考的标准值，所以无法对患者的住院时间是否合理做出判断。导人DPC数据后，因为掌握某种特定疾病的住院天数标准，就能对各医疗机构展开评估。
医生或诊疗机构不同，治疗的实际差距很大吗？
以手术为例，并不是所有的临床医生都掌握最新技术，治疗方法也同样。根据DPC数据，就能了解不同医生采取的术式以及手术过程中的出血量等情况。从统计学角度来说，一般情况下，经验丰富的医生实施的手术出血量更少，经验较少医生实施的手术出血量更多。
大多数医生在其职业生涯中使用的治疗方法都是30岁以前在诊疗部门实习或见习过程中学到的。这一点不无道理，因为一旦他们离开实习单位，就很少有机会（或闲暇）继续深造或学习新知识。因此，越年长的医生选择的治疗方法往往越落后。在这种现状下，DPC让不同医生、医疗机构的治疗质量之间的差距“可视化”的同时，通过将各医疗机构的数据与标准指标进行比对，将作为一种提升医疗质量标准的工具在实践中发挥巨大作用。
可以认为DPC能够揭示医疗行业的各种潜在情况吗？举个例子，同一种药物，有的患者服用有效，有的患者服用无效。药效存在个体差异，这一点我们都知道，但是，导致药效差异的原因是患者还是医疗提供方呢？DPC会给出我们想要的答案。
假设某患者术后死亡。如果在以前，医生可以将责任归结为该患者体质虚弱，以此征得患者家属的理解。但是，随着DPC数据的积累，各种疾病的平均死亡率变得非常明确。这样一来，哪家医院的死亡率高。哪家医院的死亡率低，情况一目了然。在DPC的帮助下一些过去不为人知的事实将浮出水面。
当然，对死亡率进行比较时，还要从统计学角度出发，对疾病的轻重程度、年龄、疾病差异等数据进行补充评价。统计模式也未必百分之百完美，并且统计分析存在差异是公认的事实。但即便如此，不同医院的死亡率仍然存在差异。那么，这些差异为什么发生？研究人员并未对背后的原因展开分析。重要的是上述事实对医生们的意识层面带来的变化。因为医生不了解客观数据，所以，他们很容易将自己所处的环境以及引发的结果视为被给予的条件并思考。让医生了解统计学数据，对于促进医生的意识变革具有重大的意义。
目前有效应用DPC数据面临的问题是什么？首先，是单纯的技术层面的问题，即怎样有效处理日益增加的庞大数据？关于数据处理技术，随着相关技术日新月异的进步，目前的情况是在反复失败和不断摸索的过程中逐步完善。相关研究项目启动刚刚过去了几年，包括数据处理技术问题在内，亟待解决的问题还很多。
此外，医疗质量评价也是今后需要面对的重要课题之一。问题是患者治疗跟踪数据的范围仅限一家医院。在某家医院接受手术后出院的癌症患者，其五年后的生存状况如何？目前还没有可行的跟踪调查办法。(https://www.daowen.com)
除了癌症治疗评估，患者手术后情况不明也是问题之一。即使患者出院时精神状况良好，因为不清楚后续的病情发展，也无法对治疗效果进行分析。当然，假设该患者出院后发生并发症，也无法掌握相关数据。如果导人My Number制度，相信就能对患者的手术后情况进行跟踪调查。所以，导人此类制度势在必行。
关于诊疗费用与效率，应从医疗经济学层面进行分析，并在此基础上设置合理的诊疗费标准。建议今后围绕该问题展开讨论。关于患者的住院天数，并不是越短越好。与世界平均水平相比，日本人平均住院时间长是不争的事实。但是，国外还有一些患者住院时间短，但后来转入专科康复机构的例子。与之相对，可以认为可能因为日本没有这类专科康复机构，所以患者的平均住院时间延长。
医疗大数据从业人员需要具备哪些资质？关于数据处理技术，比如与亚马逊等庞大的数据量相比，在数据量方面问题不大。可以说只要从业人员具备基础数据处理能力，就足以应对处理目前的医疗大数据。但是，如果从医疗的特性考虑，不具备专业基础知识，必然有很多内容理解不了。所以，具备疾病、患者状态等一定程度的专业知识背景显然是必需的。我们需要的人才不仅应该掌握医疗基础知识，还需要能够熟练操作和处理数据。目前我们下大力气在做的工作是确认数据分析的可信性，而现状还停留在研究分析阶段，即通过同行评议确认分析可信性的阶段。
听说目前你们计划构建DPC数据平台？
为促进数据的二次利用，我们正计划通过构建相关数据库，为研究人员提供自由访问和进行数据库分析的平台整备计划。
DPC数据库正处于持续积累阶段。目前，数据规模已经超过10亿件，所以，当务之急是尽快建立数据中心。现阶段，我们或者将数据存储在云端，或者在个人研究室架设服务器……硬件环境整备相对滞后、医疗行业的数据科学家不足等现实问题都不可回避。
医疗数据从业人员必须具备大学以上学历吗？至少在开始阶段，这项工作应该交给大学研究室承担。随着近年来统计热的兴起，从事统计分析和感兴趣的人越来越多。
其次，构建良好的数据应用环境。如果通过数据应用在实际中发挥作用，应该能聚集起一批感兴趣的人才。因为很多以前学习过分析技术的人往往发现在现实中无用武之地。随着数据自由访问权限的放开，信息发送的灵活性等，相信会有更多感兴趣的人参与进来。从长远来看，这一趋势必将与人才培养之间产生紧密联系。
另一方面，目前不少医疗从业者开始接触和学习统计分析，现状同时呈现出相反的变化趋势。
另外，学习统计学的人的个人职业生涯规划不明确也是该领域人才缺口大的原因之一。现阶段唯一的职业恐怕只有大学研究室一种。掌握专业统计学知识，不但容易在企业找到工作，在医院也大有用武之地，也就是说，只要对个人职业生涯做出明确的规划，现状就会彻底改观。现在，对于数据分析持积极态度的企业越来越多，随着优秀人才发挥一技之长的场所越来越多，相信未来情况会朝更好的方向发展。
重点是民营企业应用医疗数据。暂且撇开个人信息泄露问题不谈，在制定完善的规则规范的同时，放开民营企业自由分析访问医疗数据的权限是必需的。否则，不仅专业人才的就业面狭窄，还可能对数据分析的多样性产生不良影响。应该说，消除个人信息管理层面的法律问题，面向制定明确研究方向的企业放开医疗数据应用权限是可行的选择。
请问您对现阶段的DPC项目活动的评价是什么？从现阶段DPC项目的情况来看，作为一项制度，其推进度仅仅完成了预期目标的80%，捆绑付费制度也在逐年完善和细化。但是，对于研究性数据的利用，目前的情况是收集各医疗机构提供的数据，然后将这蝼数据纳入独寺数据库。因此，在加盟DPC的所有医院中，能够收集到的数据仅仅来自其中1 000家医院。所以，加快完善数据处理基础平台势在必行。
通过DPC数据库可以了解日本医疗整体水平，所以，最好由国家主导管理，面向研究人员开放。DPC数据库收集的数据价值巨大，因此应该在实践中有效利用。
今后怎样在医疗改革中应用DPC数据这种工具？大数据的特征之一，是通过实践应用获得结果，否则很难明确具体用途。另外，很多研究人员通过使用大数据，在反复试错的过程中可能有一些意外发现。这也是大数据的特征之一。
获得意外性的发现，前提是保证一定数量的数据以及为研究人员创造自由利用的环境。如果在限定条件下，仅仅面向少数人开放权限，那么，再优秀的数据库，获得新发现的可能性也会大大降低。只有不同的人，采用各种不同的方式加以利用，才可能在协同作用的基础上从一个新发现派生出又一个新发现。
在这里，最重要的一点是保证“思考自由”和“利用自由”。如果是民营企业，可以在市场营销等环节大胆应用收集的数据。企业通过重用数据处理和统计人才，自然而然地营造理想的客观环境，医疗世界也需要同样的运作过程。
DPC数据应用与医疗计划精准化、区域医疗服务改善等工作息息相关。目前已发表的DPC数据在临床研究领域应用的论文已多达上百篇，今后进一步扩大对DPC数据有效性的认识势在必行。
近年来，医疗大数据正受到越来越多的关注。从振兴日本医疗整体水平的视角出发，我们应该怎样应用医疗大数据？
与包括未结构化的各种复杂数据在内的一般性大数据不同，DPC数据属于结构化数据库。相关分析方法较为明确，所以，DPC数据是一种比较容易使用的数据。例如：各级诊疗机构可以在开展院内医疗质量评估工作时灵活应用DPC数据，通过客观评价有针对性地进行改善。
毫无疑问，通过医疗数据的可视化发展，DPC数据将为提升整体医疗质量做出巨大贡献。